LiLib：面向 UAV 的漂移触发模型库终身空对地路径损耗预测
LiLib 是一种面向 UAV 的轻量级持续学习方案，通过维护一个小型递归最小二乘专家库，用窗口残差检验检测漂移，再经短探测阶段复用或新建专家。
全部 AI 动态
arXiv cs.AIAI 评分2222 arXiv cs.AIAI 评分2424 推荐系统递归自我改进不止看后继模型精度：状态保留与跨代优势 CGA
研究提出推荐系统递归自我改进（Rec-RSI）中的"分布式进展"问题，并用跨代优势（CGA）量化跨代与同代模型对的差异。在四个数据集和三种序列推荐编码器上，GRU4Rec 和 SASRec 更适合跨代配对，FMLP 首次更新偏向同代配对、第二次更新后转向跨代配对；秩分离统计在 12/12 首次更新和 5/6 第二次更新设置中选出更强模型族，留出测试中 34/36 条轨迹优于直接后继模型。
arXiv cs.AIAI 评分2222 Muon 对卷积理论上不成立，但实验证明有效
研究指出 Muon 优化器对矩阵更新有清晰解释，但卷积核以四维张量存储，标准实现将其 reshape 为矩阵的做法破坏了其理论基础。为此研究者提出 Convolutional Newton-Schulz（Conv-NS），直接在卷积算子几何中逼近极因子并保留核支撑。
arXiv cs.AIAI 评分2727 T-CCL：基于 Tensor Memory Accelerator 的资源高效集合通信库
T-CCL 是一个基于 Tensor Memory Accelerator（TMA）的节点内集合通信库，将数据搬运与归约操作卸载到 TMA，以流水线式异步 TMA 操作执行集合通信，在保持高带宽的同时降低 SM 资源占用。
arXiv cs.AIAI 评分2727 面向统一滥用监控基准的研究
研究者提出统一的 trace 级滥用监控形式化方法，并构建约 6,200 条用户、LLM agent 与环境对话记录的基准，覆盖分解攻击与提示注入攻击两类威胁，标注 harm window 并配良性对照与拒绝实例。
arXiv cs.AIAI 评分2727 SchemaFill：通过槽位并行推测解码实现高效 LLM 工具调用
SchemaFill 通过槽位并行推测解码加速 LLM 工具调用，在 Glaive 和 BFCL 上端到端吞吐量最高提升 4.05 倍。该框架将多个字段和调用的候选值并发生成后拼接，由目标模型在实际输出前缀下验证，仅提交通过验证的 token，候选不一致时由目标模型提供修正。代码已开源。
arXiv cs.AIAI 评分2222 基于图神经网络的面部与上半身关键点火车司机状态识别
一项研究提出仅靠单个前置 RGB 摄像头和图神经网络，将模拟火车司机状态分为警觉、非警觉和紧急三类。消融实验显示，在光照条件下融合面部与骨骼特征的三分类模型准确率达 81%，二分类警觉/非警觉准确率达 99%，优于仅用面部或骨骼特征的模型。研究同时发布了一个涵盖三种光照条件的受控 RGB 视频数据集。
arXiv cs.AIAI 评分2222 VLM 引导电磁数字孪生在线校准：Unitree G1 与 NVIDIA Sionna 演示
研究者演示了一套由视觉语言模型（VLM）引导的电磁数字孪生在线校准框架，在 Unitree G1 机器人和 NVIDIA Sionna 上运行，通过两次 VLM 调用完成材质分类与路径点规划。在真实室内场景中，该框架在 20 米行程内实现归一化平均绝对电导率误差 1.74×10⁻⁴，随机初始化则始终无法收敛，随机路径点所需行程超过两倍。
arXiv cs.AIAI 评分2323 macro2mind：用预测市场信号训练 LLM 学习个体行为推理
研究者提出 macro2mind，用 GRPO 结合预测市场价格信号训练语言模型，将行为推理拆解为推断市场参与者群体、预测其信念更新并聚合为价格的显式步骤。该方法在 SWM-Bench 的 Polymarket 数据上取得 SOTA 方向准确率与相关性，并零样本迁移至 Humanual、OvertonBench、PRISM、CAD 四个用户模拟基准。
arXiv cs.AIAI 评分2222 TRIAGE：面向原生 NVFP4 强化学习的方向感知失配稳定方法
TRIAGE 是一种方向感知的稳定方法，通过段级诊断选择性再平衡策略梯度更新，并对残余严重失配做有界修复，从而在采样器和学习器上保留原生 NVFP4 的 W4A4 前向执行。在 Qwen3-4B 与 Qwen3-30B-A3B 上，该方法在整个训练周期内保持稳定优化，在五个数学推理基准上达到全精度水平，rollout 吞吐量较 BF16 最高提升 2.3 倍。
arXiv cs.AIAI 评分2222 知识蒸馏与量化压缩用于生物医学领域神经机器翻译研究
研究将知识蒸馏与量化联合应用于法译英生物医学翻译，蒸馏并量化的学生模型相比原始基线体积缩小69%、推理速度提升98.21%、CO2排放降低98.46%，且未牺牲翻译质量。该工作还开发并比较了多种微调策略，以让压缩后的学生模型适应专业术语密集、平行语料稀缺的低资源领域。
arXiv cs.AIAI 评分2222 ReRAM 存内计算 CNN 加速器的故障脆弱性实证研究
研究者开发了一套故障注入框架，在软件和硬件层面考察大规模 CNN 在 ReRAM 存内计算（PIM）加速器上推理时的脆弱性，通过将 CNN 学习参数映射到 ReRAM 交叉阵列并注入 stuck-at high（SaH）与 stuck-at low（SaL）故障，发现脆弱性受层类型与深度、参数在层内的位置以及故障取值与类型影响，且 SaL 比 SaH 造成更严重的分类精度下降。
arXiv cs.AIAI 评分2222 Anchor and Adapt：面向少样本工业异常检测的非对称提示词自适应框架
研究者提出 Anchor and Adapt 两阶段提示词学习框架，将异常语义获取与目标正常外观适配分离：Stage I 从带标注辅助数据学习可迁移的正常与异常锚点，Stage II 固定锚点并用少量目标正常样本适配额外正常分支。在 MVTec-AD 与 VisA 跨数据集 1-shot、2-shot、4-shot 设置下，该框架取得有竞争力的检测与定位性能，且无需合成异常生成。
arXiv cs.AIAI 评分2929 图像哪一属性承载了越狱？对图生文越狱的受控剖析
一项受控研究在 313 条 StrongREJECT 提示切片上，用五个多模态模型（附录另测 InternVL3.5-8B）剖析图生文越狱中的图像侧因素：纯有害查询即使配无关良性图片，多数模型攻击成功率仍很低，而攻击图像会大幅提升该指标。
arXiv cs.AIAI 评分2222 AdvWave-P 音频越狱在 Qwen2-Audio 上的频率与解码深度审计
研究对 Qwen2-Audio 上的加性音频越狱方法 AdvWave-P 进行频率与解码深度审计，在 520 条 AdvBench 提示上主评判器将 76.7% 的对抗输入标记为越狱。
arXiv cs.AIAI 评分2424 MaskAhead：块扩散语言模型中的掩码引导 KV Cache 淘汰
研究者提出免训练方法 MaskAhead，用单一掩码查询排序机制同时完成块扩散语言模型的 KV 选择与淘汰，当前块掩码指导选择、后续掩码块探测指导淘汰。
arXiv cs.AIAI 评分2222 TARE：用未被投毒的孪生模型衡量后门防御的真实代价
针对后门防御排行榜仅凭被投毒模型上的干净准确率下降来判定“移除代价”的问题，研究者提出 TARE：在同一配方、调度与随机种子下，用未被投毒的孪生模型跑同一防御，孪生模型损失的部分即为真实代价。
arXiv cs.AIAI 评分3030 DART-ES：面向 Evolution Strategies 微调 LLM 的难度感知重加权与定向回放
DART-ES 通过扰动种群通过率估计题目局部可解性并聚合历史观测构建动态难度状态，联合指导难度重加权与稀有可解样本回放，无需额外难度模型或反向传播。它在五个基座模型上均优于 ES，平均准确率从 72.07% 提升至 73.53%，超过 GRPO 在 GSM8K 上的 73.26%；在五个数学推理基准上平均准确率达 49.20%。
arXiv cs.AIAI 评分2727 CrystalJev：用原子基础模型"快思考与慢思考"加速材料发现
CrystalJev 将冻结的原子间势模型当作快速决策者，对未弛豫结构单次前向查询即可输出带校准概率的"稳定"判断，成本仅为弛豫计算的约三十分之一。在 65 个 Matbench Discovery 模型上，该方法用价值信息理论只在决策可能改变处调用慢速计算，并同样回答电子、力学与分子问题。
arXiv cs.AIAI 评分2222 IAU-FOA：面向闭源 MLLM 的视觉不变性增强特征最优对齐可迁移对抗攻击
研究者提出 IAU-FOA，一种结合视觉不变性增强与自适应非平衡最优传输的定向对抗攻击方法，通过在全局与局部 patch 层面同时对齐对抗样本和目标样本，提升对闭源 MLLM 的可迁移性。
arXiv cs.AIAI 评分3737 APEX：面向 LLM 智能体的执行边界主动防护
APEX 是一种针对 LLM 智能体间接提示注入（IPI）的主动防御方案，将防护点从攻击模式识别转移到执行边界，通过执行前编译的授权契约同时实现证据门控预防与欺骗式暴露。在六项基准中，APEX 对 13 个基线取得五项 0% 攻击成功率、第六项 0.56%，并在三类能力单元（Tools、MCP servers、Skills）的自适应攻击下保持 0%。代码已开源。
arXiv cs.AIAI 评分2929 仅用判决结果后训练小模型：拒绝采样与纯标签训练能否恢复证据？
研究测量小语言模型仅凭判决结果后训练时的证据恢复能力，在 ContractNLI 上人类证据跨度留至评估阶段。纯标签训练达到准确率 0.896、跨度 F1 0.564，逐字引用率从 0.597 升至 0.729；拒绝采样达到 0.797 和 0.556，逐字引用率升至 0.701。两种方法都能在无人标注证据的情况下改善证据质量，但单一语料单一种子尚无法判定哪种更优。
arXiv cs.AIAI 评分3333 通过低秩激活引导实现参数高效决策算子
研究者提出一种通过行为克隆训练的 System-1 决策算子，默认版本仅用 330K 参数即匹配 1.33M 参数的强化学习算子，并将 3,685-token 的推理压缩为 6-token 决策且不损失准确率。
arXiv cs.AIAI 评分2222 AttSVD：基于注意力引导 SVD 的提示自适应低秩 KV Cache 压缩
AttSVD 提出一种免训练的低秩 KV Cache 压缩方法，通过对每个提示词自身的注意力几何做在线截断 SVD，只保留注意力真正读取的方向，将每头持久 KV 内存按保留秩成比例削减。
arXiv cs.AIAI 评分2424 Transformer 拒绝机制中的组件与维度稀疏性
研究将 LLM 的拒绝行为引导分解为组件级干预，在四个开源权重模型中发现拒绝方向集中于仅占上游组件 28–48% 的稀疏子集，仍保留 88–101% 的引导效果。在这些机制内部，有效引导进一步集中于约 50% 的残差流维度，保留 85–98% 的组件机制基线效果。团队已开源全部代码与原始实验结果。
arXiv cs.AIAI 评分2222 对齐中线性奖励的公理可满足性：用最小松弛量满足 PO 与 PMC
针对线性奖励拟合人类偏好时无法满足 PO 与 PMC 公理的问题，研究者将线性模型放宽为允许每个候选者带有松弛量，求出满足公理且总松弛量最小的松弛线性奖励。当候选数 m 且 margin η 不超过 O(1/m²) 时，最优总松弛量上界为 O(1)，并给出紧实例。新方法对每次比较错误的线性部分计费，同时最小化总松弛量与违规数，实验显示其线性奖励优于线性 BTL。
arXiv cs.AIAI 评分2929 零样本可视化（ZSV）：用用户提示词定义的坐标轴探索文本语料
研究者提出零样本可视化（ZSV）任务，用户用自然语言指定概念，文档被映射到对应概念轴上以便可视化探索。团队建立基准，对比嵌入相似度、直接语义判断和条件似然估计三类方法，发现基于 next-token 概率的打分在语义忠实度、分数保真度和计算成本间取得最佳实用权衡。研究还发现分级轴配合二元相关性过滤的设计要点，并揭示离题文档中存在组合式情感偏差。
arXiv cs.AIAI 评分2222 DLR-NE：面向 APT 与 MTD 随机博弈的动态低秩均衡计算
针对工业控制系统中 APT 与 MTD 随机博弈的均衡计算难题，研究者提出动态低秩均衡计算（DLR-NE），通过逐迭代扩展秩 r 搜索空间、正则化核心矩阵谱并经截断 SVD 回缩，每步提取 Nash 均衡。
arXiv cs.AIAI 评分2222 学习何时精修：面向预算受限神经算子 PDE 求解器的长时程强化学习
研究提出预算自适应神经算子求解框架，用全局 Fourier 神经算子推进全场、局部算子提出分块残差修正，并由 set-aware 选择器决定精修位置，宏观策略决定何时花掉剩余精修预算。
arXiv cs.AIAI 评分1212 建筑热负荷短期预测混合模型对比综述：EMD-LSTM-Markov 精度最高
一项对比综述评估了 13 种建筑热需求短期预测混合模型，基于苏格兰家庭历史热需求与天气预报数据，EMD-LSTM-Markov 对次日供暖和热水（DHW）功率曲线预测精度最高，但会低估高功率峰值。SVM-SA 与 RF-ISSA-LSTM 则倾向预测平滑曲线，同样低估多数功率峰值。
arXiv cs.AIAI 评分1515 中智集成分类实现不确定性感知的轴承故障检测：来自实验室与变速工业基准的证据
研究将 Random Forest + XGBoost + Logistic Regression 集成做中智学分解，在 CWRU 和 JNU 两个轴承基准（600-1000 rpm）上以留一工况协议评估 T-hat、F-hat、预测熵 I1-hat 与决策分歧 I2-hat 四项指标。
arXiv cs.AIAI 评分2929 世界模型何时能真正还原物理定律？arXiv 论文给出信息论判据
一篇 arXiv 论文提出在固定物理域、明确实验目录、传感器不确定性和采集预算下形式化"定律还原"问题，用率失真逆定理区分描述定律所需信息与仪器可揭示的信息。
arXiv cs.AIAI 评分3131 LLM-as-a-Judge 的设计选择影响有多大？提示词、评分量表与模型的系统对比
研究系统评估了 10 个推理模型在 LLM-as-a-Judge 中的设计选择影响，涵盖句子情感与毒性评分（每类超 500 条）及问答对二元准确率分类（n=600）两项任务。
arXiv cs.AIAI 评分1717 OncoNoteBERT：面向真实世界门诊肿瘤笔记 NLP 的基础表示模型
研究团队基于英国门诊肿瘤语料（290,026 份笔记、21,564 名肺癌与头颈癌患者）开发了肿瘤专用 BERT 编码器 OncoNoteBERT，采用肿瘤 WordPiece 分词器从零训练。
arXiv cs.AIAI 评分3333 Sherpa：让 LLM 学会自适应教学
多轮强化学习框架 Sherpa 通过构建多种具有不同学习偏好的学生原型，训练教师模型直接最大化学生学习效果，使其所教学生在所有原型上平均提升 20.5 个百分点。在 MathTutorBench 评测中，Sherpa 将整体教学法得分从 52.5% 提升至 79.2%；人类研究显示，其训练出的教师模型在 79.6% 的成对比较中优于基座模型。
arXiv cs.AIAI 评分4444 BOTTLED 基准：LLM 智能体能否把通用能力"装瓶"成廉价可复用方案？
研究者提出 BOTTLED 基准，让 LLM 智能体在固定时间、算力和 API 预算下自主处理整个未标注工作负载，可选择训练小模型或编写可复用程序。在十款模型、三项任务中，强零样本表现并不能可靠转化为强"装瓶"能力，60 次运行中有 48 次低于其零样本性能 95% 置信区间下限，31 次不及同等 token 预算下两种小模型蒸馏基线中较强的一个。
arXiv cs.AIAI 评分3232 VeriFine：通过协同进化策略、课程与评判器扩展具身推理的自改进验证
VeriFine 是一个 agent harness 框架，通过策略、训练课程与评判器的协同进化来扩展验证能力。
arXiv cs.AIAI 评分2424 智能体的历史行为能预测上下文压缩何时有害吗？TRACE 配对重放语料上的有限效应
研究基于 TRACE 公开语料库的 590 个 AppWorld 压缩边界，检验智能体近期行为能否预测上下文压缩带来的损害。结果显示边界前历史对压缩后损害的预测能力很弱，最佳扩展协议触发器在留出集上 AUROC 仅 0.66，而同一边界复现为 0.72；最佳冻结可解释触发器避开 21% 有害边界，同时保留 84% 的压缩机会。
arXiv cs.AIAI 评分3636 WorldSolver：LLM 智能体能否通过生成求解器模拟物理动态？
研究者推出 WorldSolver 基准，包含 168 个源自 61 篇经典计算机图形学论文的仿真任务，覆盖 7 个物理领域，要求 LLM 智能体补全求解器代码。评测从执行检查、视觉保真度和物理合理性三个维度展开，GPT-5.6-Sol 与 Claude-Opus-5 表现相对最好，总分仅为 48.7% 和 46.7%。
arXiv cs.AIAI 评分5858 nanoMuse：面向所有设备的开源个人智能体
arXiv 论文提出开源个人智能体 nanoMuse，采用 GPL-3.0 许可，让用户拥有的每台设备共享同一段对话，并通过任何人都能运行的 relay 连接。